Modelos de previsão de preço baseados em machine learning para veículos usados

Aug 4, 2026

Carregar por Rowan

O mercado brasileiro de veículos seminovos enfrenta dificuldades na precificação devido à diversidade de fatores que afetam o valor, incluindo dinâmica rápida do mercado e variações regionais. A proposta do trabalho é desenvolver um modelo de previsão de preços para veículos no Brasil com técnicas de Machine Learning, usando dados obtidos por web scraping na plataforma Webmotors. O estudo inclui limpeza de dados, remoção de outliers e feature engineering, avaliando Lasso Regression, Random Forest e XGBoost. Após otimização de hiperparâmetros, o XGBoost otimizado alcança R² de 0,95 e MAPE de 7%, com comparação do preço previsto em veículos selecionados.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas89

Tempo de leitura2 h 17 min

AcessoDownload gratuito

Índice

Agradecimentos

Resumo

Abstract

Metodologia

Coleta de dados e web scraping

Tratamento de dados e feature engineering

Modelos preditivos e avaliação

Lasso Regression

Random Forest

XGBoost (Otimizado)

Resultados e aplicação comparativa

Comparação com anúncios de veículos semelhantes

Conclusão

UNIVERSIDADE FEDERAL DE SANTA CATARINA CAMPUS TRINDADE DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃOENGENHARIA DE PRODUÇÃO ELÉTRICA Gustavo Girardi Título: Modelos de previsão de preços baseados em machine learning para veículos usados Florianópolis Gustavo Girardi Modelos de previsão de preço baseados em machine learning para veículos usados Trabalho de Conclusão de Curso submetida ao Departamento de Engenharia de Produção e Sistemas da Universidade Federal de Santa Catarina para a obtenção do título de Grau de Engenheiro Eletricista com habilitação em Engenharia de Produção. Orientador: Prof. Mauricio Uriona Maldonado, Dr. Florianópolis Ficha catalográfica gerada por meio de sistema automatizado gerenciado pela BU/UFSC. Dados inseridos pelo próprio autor. Girardi, Gustavo Modelos de previsão de preço baseados em machine learning para veículos usados / Gustavo Girardi ; orientador, Mauricio Uriona Maldonado, 2024. 88 p . Trabalho de Conclusão de Curso (graduação) -Universidade Federal de Santa Catarina, Centro Tecnológico, Graduação em Engenharia de Produção Elétrica, Florianópolis, 2024. Inclui referências . 1. Engenharia de Produção Elétrica . 2. Precificação de produtos automotivos . 3. Ciência de Dados . 4. Aprendizadode Máquina . I . Uriona Maldonado, Mauricio . II . Universidade Federal de Santa Catarina . Graduação em Engenharia de Produção Elétrica . III . Título . Gustavo Girardi Modelos de previsão de preço baseados em machine learning para veículos usados O presente trabalho em nível de bacharelado foi avaliado e aprovado por banca examinadora composta pelos seguintes membros: Prof. Carlos Ernani Fries, Dr. Universidade Federal de Santa Catarina Prof. Guilherme Ernani Vieira, Dr. Universidade Federal de Santa Catarina Certi􀀂camos que esta é a versão original e 􀀂nal do trabalho de conclusão que foi julgado adequado para obtenção do título de Grau de Engenheiro Eletricista com habilitação em Engenharia de Produção. Prof. Monica Mendes Luna, Dra. Coordenador do Programa Prof. Mauricio Uriona Maldonado, Dr. Orientador Florianópolis, 2024 . Este trabalho é dedicado aos meus colegas de classe eaos meus queridos pais. AGRADECIMENTOS Agradeço primeiramente à minha família, que sempre me deu amparo e apoio incondicional. Sem vocês, nada disso seria possível. O amor, a paciência e as orientações de cada um foram fundamentais para que eu chegasse até aqui. À minha namorada Larissa, que sempre me apoiou, me incentivou e esteve aomeu lado, oferecendo não apenas compreensão, mas também a força necessária para superar os desa􀀂os que surgiram ao longo dessa trajetória. Aos amigos que 􀀂z durante a graduação, que tornaram essa jornada ainda maisespecial. As trocas de experiências, o aprendizado mútuo e a convivência diária foramessenciais para o meu crescimento acadêmico e pessoal. Ao meu amigo Leandro, que esteve comigo nos altos e baixos dessa jornada acadêmica. Sua amizade, ideias e companhia enriqueceram essa experiência. Também sou muito grato aos meus colegas de trabalho, que contribuíram com seu conhecimento e experiência para o meu aprendizado diário. As habilidades que desenvolvi no ambiente pro􀀂ssional facilitaram enormemente o desenvolvimento destetrabalho e enriqueceram minha trajetória acadêmica. Por 􀀂m, agradeço ao professor orientador Maurício Maldonado, à Universidade Federal de Santa Catarina e aos projetos de extensão que participei durante a graduação, por proporcionarem um ambiente acadêmico de excelência, onde pude nãoapenas aprender, mas também crescer e me preparar para os desa􀀂os da vida pro􀀂ssional. RESUMO O mercado brasileiro de veículos seminovos enfrenta desa􀀂os na preci􀀂cação devido à diversidade de fatores que in􀀃uenciam o valor, como a rápida movimentação do mercado e as variações regionais, o que limita a e􀀂cácia de métodos tradicionais, comotabelas de preços, que não capturam a complexidade desse mercado. O objetivo destetra

Perguntas frequentes

Qual é o objetivo do trabalho sobre veículos usados?

Desenvolver um modelo de previsão de preços para veículos automotores no Brasil usando técnicas de Machine Learning, visando maior precisão na precificação.

Quais dados foram utilizados para treinar e avaliar os modelos?

Foram coletadas informações de anúncios e características físicas dos veículos via web scraping da plataforma Webmotors, incluindo atributos como marca, modelo, quilometragem e ano de fabricação.

Qual modelo apresentou melhor desempenho e quais foram os resultados?

O XGBoost (Otimizado) se destacou após a otimização de hiperparâmetros, com R² de 0,95 e MAPE de 7%, indicando alta capacidade preditiva dos preços.

Aug 4, 2026

Carregar por Rowan